Python字符串连接：+和join函数的性能比较

总结
Python中字符串是不可变的。
str += 'string'：耗时耗力，因为每次都会开辟新的空间
''.join(lst)：利用列表可变的性质，省时省力，性价比更高

来源
https://blog.csdn.net/Jerry_1126/article/details/86584936

正文

有一道Python面试题，以下代码有什么局限性，要如何修改

def strTest(num):
    s = 'Hello'
    for i in range(num):
        s += 'x'
    return s

上面的代码其实可以看出：由于变量str是不变对象，每次遍历，Python都会生成新的str对象来存储新的字符串，所以num越大，创建的str对象就越多，内存消耗约大，速度越慢，性能越差。如果要改变上面的问题，可以变字符串拼接为join联合的方式，代码如下:

def strTest2(num):
    s = 'Hello'
    l = list(s)
    for i in range(num):
        l.append('x')
    return ''.join(l)

下面两种不同处理方式，运行速度的比较:

>>> def strTest1(num):
...     s = 'Hello'
...     for i in range(num):
...         s += 'x'
...     return s
>>> def strTest2(num):
...     s = 'Hello'
...     l = list(s)
...     for i in range(num):
...         l.append(s)
...     return ''.join(l)
>>>
>>> from timeit import timeit

# 运行10万级别数据，运行速度比对
>>> timeit("strTest1(100000)", setup="from __main__ import strTest1", number=1)
0.016680980406363233
>>> timeit("strTest2(100000)", setup="from __main__ import strTest2", number=1)
0.009688869110618725

# 运行100万级别数据，运行速度比对
>>> timeit("strTest1(1000000)", setup="from __main__ import strTest1", number=1)
0.14558920607187195
>>> timeit("strTest2(1000000)", setup="from __main__ import strTest2", number=1)
0.1335057276853462

# 运行1000万级别数据，运行速度比对
>>> timeit("strTest1(10000000)", setup="from __main__ import strTest1", number=1)
5.9497953107860475
>>> timeit("strTest2(10000000)", setup="from __main__ import strTest2", number=1)
1.3268972136649921
 
# 运行2000万级别数据，运行速度比对
>>> timeit("strTest1(20000000)", setup="from __main__ import strTest1", number=1)
21.661270140499056
>>> timeit("strTest2(20000000)", setup="from __main__ import strTest2", number=1)
2.6981786518920217
 
# 运行3000万级别数据，运行速度比对
>>> timeit("strTest1(30000000)", setup="from __main__ import strTest1", number=1)
49.858089123966295
>>> timeit("strTest2(30000000)", setup="from __main__ import strTest2", number=1)
4.285787770209481
 
# 运行4000万级别数据，运行速度比对
>>> timeit("strTest1(40000000)", setup="from __main__ import strTest1", number=1)
86.67876273457563
>>> timeit("strTest2(40000000)", setup="from __main__ import strTest2", number=1)
5.328653452047092
 
# 运行5000万级别数据，运行速度比对
>>> timeit("strTest1(50000000)", setup="from __main__ import strTest1", number=1)
130.59138063819023
>>> timeit("strTest2(50000000)", setup="from __main__ import strTest2", number=1)
6.8375931077291625
 
# 运行6000万级别数据，运行速度比对
>>> timeit("strTest1(60000000)", setup="from __main__ import strTest1", number=1)
188.28227241975003
>>> timeit("strTest2(60000000)", setup="from __main__ import strTest2", number=1)
8.080144489401846
 
# 运行7000万级别数据，运行速度比对
>>> timeit("strTest1(70000000)", setup="from __main__ import strTest1", number=1)
256.54383904350277
>>> timeit("strTest2(70000000)", setup="from __main__ import strTest2", number=1)
9.387400816458012
 
# 运行8000万级别数据，运行速度比对
>>> timeit("strTest1(80000000)", setup="from __main__ import strTest1", number=1)
333.7185806572388
>>> timeit("strTest2(80000000)", setup="from __main__ import strTest2", number=1)
10.946627677462857